GPT-6 Astra也会「看错」流程图? Einsia AI发布PPTBench，视觉编程还有多远？
2026.09.30 · 产品 · 论文 · 论文预印本
Einsia AI推出PPTBench，用500个流程图任务评测Agent把视觉目标重建为可编辑PPT的能力。
Einsia AI旗下Navers Lab发布PPTBench，从真实科学论文流程图构建500个任务，覆盖13个领域，要求Agent用代码把图重建成可编辑PPTX。评测采用Agentic Judge三阶段打分，测试10个模型、36种配置，累计54,000份评审记录，GPT-6 Astra High以77.34分居首。
- PPTBench含500个任务，覆盖13个领域
- 要求输出可编辑PPTX，禁止直接贴图
- Agentic Judge分产物门、语义、渲染、细节四关
- GPT-6 Astra High得77.34分居首，Kimi K3 High 6
- 64.03%结果因流程语义错误被拒
为什么值得看
揭示视觉编程的真实瓶颈：语义理解远难于写代码。
适合谁关注
关注Coding Agent、多模态与AI评测的研究者和开发者。